Более экологичное будущее благодаря Vision AI и Ultralytics YOLO

‍TrashBestie — это новое приложение, которое помогает нам сортировать отходы и управлять ими по-другому и лучше, используя компьютерное зрение. TrashBestie использует глубокое обучение и передовые технологии, чтобы помочь людям предпринимать действия для того, чтобы сделать планету чище и устойчивее.

Команда TrashBestie видит будущее, в котором отходы больше не являются неприятностью, а возможностью для позитивных изменений. Сортировка отходов важна для защиты окружающей среды, экономии ресурсов и сокращения загрязнения. Имея это в виду, TrashBestie стал цифровым решением, которое позволяет людям без труда принимать обоснованные решения по управлению отходами. Цель ясна: вдохновить коллективное движение к ответственному управлению отходами и способствовать созданию более чистой планеты для будущих поколений.

Познакомьтесь с командой TrashBestie

Прежде чем мы углубимся в инновационные технологии, лежащие в основе TrashBestie, давайте познакомимся с ее создателями:

• Хельге Рёллеке: Имея опыт в сфере продаж медицинских услуг, Хельге перешел в науку о данных и провел новаторские исследования эффективности компании и вознаграждения руководителей. Он также является энтузиастом грибов и открыт для новых возможностей в области науки о данных.
  ‍
• My: Специалист по данным и Frontend-разработчик, который сочетает навыки для решения сложных задач и создания удобных веб-приложений.
  ‍
• Симантини Шинде: Младший специалист по данным с опытом в области анализа данных, машинного обучения и многого другого. Симантини является убежденным сторонником разработки с открытым исходным кодом, постоянно изучает новые технологии и стремится к сбалансированному, устойчивому образу жизни.
  

Путь к машинному обучению и Vision AI

Хельге начал изучать машинное обучение во время работы над своей магистерской диссертацией, изучая, как оплата труда менеджера связана с успехом компании. Это включало использование регрессионных моделей и методов машинного обучения. Хельге смог глубже погрузиться в мир Vision AI в Bootcamp Spiced Academy. Здесь он экспериментировал с глубоким обучением и определил полезность моделей Ultralytics YOLO.

My был друг, который поделился своими проектами по науке о данных, что вызвало у нее интерес к машинному обучению. То, как данные могут раскрывать идеи и оптимизировать процессы, очаровало ее. Вот почему она присоединилась к Bootcamp, где познакомилась с Симантини и Хельге.

Симантини начала изучать машинное обучение во время работы над своей магистерской диссертацией. Она обнаружила его потенциал в своей области работы, которая включает оценку повреждений зданий, вызванных землетрясениями. После окончания учебы Симанти занимала разные должности, связанные с данными. Эти должности в конечном итоге привели ее в Bootcamp по науке о данных и вызвали ее интерес к ML и Vision AI.

Выбор Ultralytics YOLO для TrashBestie

Использование Ultralytics YOLOv8 в качестве основного инструмента в TrashBestie является стратегическим.

• Удобство для пользователя: Поскольку YOLOv8 имеет открытый исходный код и прост в использовании, он был очень доступен для команды.
  ‍
• Точность: YOLOv8 обеспечил лучшую точность, особенно в показателях точности.
  ‍
• Гибкость: Команда могла легко интегрировать YOLOv8 с Roboflow, улучшив свой рабочий процесс.
  

Как работает TrashBestie?

TrashBestie работает как личный помощник по сортировке отходов, используя искусственный интеллект, чтобы упростить процесс до четырех простых шагов:

1. Обнаружение с помощью камеры. Используйте камеру своего устройства, чтобы сделать снимок предмета отходов, способ утилизации которого вы не знаете.
   ‍
2. Мгновенное распознавание. Отдавая должное технологии распознавания изображений YOLOv8, приложение может быстро анализировать изображения и идентифицировать различные типы отходов.
   ‍
3. Образовательные сведения. TrashBestie не останавливается на рекомендациях. Этот инструмент предоставляет пользователям образовательные сведения, чтобы понять предлагаемые методы утилизации отходов. В свою очередь, это способствует долгосрочному обучению и сознательному отношению к утилизации отходов.
   ‍
4. Простота использования и доступность. Приложение удобно для пользователя и доступно для всех, что делает экологически ответственную сортировку отходов достижимой для любого, кто использует устройство Android.

Попробуйте сами

Создание TrashBestie

Процесс разработки TrashBestie включает в себя несколько важных этапов:

1. Разметка и аннотация. Изображения тщательно размечаются и аннотируются с использованием таких инструментов, как Roboflow, для создания надежного набора данных для обучения.
   ‍
2. Экспорт набора данных. После экспорта размеченного набора данных, он готов к обучению модели обнаружения объектов.
   ‍
3. Обучение с помощью YOLOv8. Модель YOLOv8 обучается на экспортированном наборе данных с акцентом на точную настройку параметров для повышения точности обнаружения объектов.
   ‍
4. Развертывание Streamlit. Модель YOLOv8 интегрирована в приложение Streamlit, что обеспечивает эффективное и точное обнаружение объектов. Это приложение размещено на GitHub и использует YOLOv8 и Streamlit для обнаружения и отслеживания объектов.
   

Будущее TrashBestie

TrashBestie продолжает совершенствоваться за счет добавления локализации, что делает его более доступным на iOS и Android, а также за счет улучшения методов обработки изображений. Команда стремится постоянно улучшать производительность и точность приложения.

Ознакомьтесь с их проектом на Devpost, который включает в себя галерею изображений и видео на YouTube, демонстрирующее детали их работы.

TrashBestie стремится совершить революцию в управлении отходами и сделать нашу планету чище и устойчивее. Это первый шаг в будущее, который может даже революционизировать концепцию карьеры в сфере управления отходами. Присоединяйтесь к ним в этом захватывающем путешествии к более экологичному будущему!

Свяжитесь с командой TrashBestie:

Helge: LinkedIn, GitHub

Simantini: LinkedIn, GitHub, Medium

My: LinkedIn